Adaptive sampling with feature elimination for agent-based models
Etmen-tabanlı benzetim modelleri için uyarlanabilir örnekleme ve değişken seçimi
- Tez No: 650991
- Danışmanlar: DOÇ. GÖNENÇ YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
Bu tezde, incelenen çıktıya göre önemsiz olan model parametrelerinin varlığında, model parametreleri ile model çıktısı arasındaki ilişkileri başarılı bir şekilde yakalamak için uyarlanabilir örnekleme ve öznitelik eleme stratejilerini eşzamanlı kullanan verimli ve kullanıcı dostu bir metamodelleme prosedürü öneriyoruz. Bu prosedürde, Rassal Orman metamodeli kullanılmakta. Uyarlanabilir örnekleme, metamodeli eğitmek için yüksek kaliteli bir veri setini verimli bir şekilde oluştururken; öznitelik eliminasyonu, önemsiz parametreler nedeniyle oluşan karmaşıklığı ve boyutsallığı azaltarak metamodelleme prosedürünün performansını ve verimini arttırır. Bu bağlamda, önerilen metamodelleme prosedürü potansiyel olarak çok parametreli simülasyon modelleri için de uygulanabilir. Örnekleme amacıyla, önerilen prosedür etmen-tabanlı bir Ayrışma modeline uygulandı. Uyarlanabilir örnekleme stratejisinin, girdi odaklı ve rastgele örnekleme stratejilerine kıyasla daha yüksek tahmin performansına sahip metamodeller üretebileceği gözlendi. Yine de, metamodelin doğruluğu Rassal Orman metamodelinin mtry parametresi ve önemsiz simülasyon parametrelerinin varlığından önemli ölçüde etkilenir. Ancak, deney sonuçları, önerilen prosedürün önemsiz simülasyon parametrelerinin metamodel ve örnekleme üzerindeki dezavantajlarını başarılı bir şekilde ortadan kaldırdığını ve metamodel performansının mtry parametresine bağımlılığını azalttığını göstermektedir. Sonuç olarak, önerilen metamodelleme prosedürü, simülasyon modeline gömülü dinamikleri başarılı bir şekilde yaklaşıklayan bir metamodel üretmek için gürbüz ve verimli bir yol olarak öne çıkıyor. Önerilen prosedür, kapsamlı model analizleri için gereken süreyi azaltmak, model davranışları hakkında farkındalık kazanmak ve model davranışını düzenleyen model parametrelerini tespit etmek için araştırmacılar tarafından uygulanabilir.
Özet (Çeviri)
In this thesis, we propose an efficient and user-friendly metamodeling procedure simultaneously incorporating adaptive sampling with feature elimination in order to successfully capture the relationships between the parameters and the output of simulation models in the presence of insignificant model parameters with respect to an output of interest. In this procedure, Random Forest metamodel is utilized. While adaptive sampling efficiently yields the metamodel with a high-quality training set, feature elimination promotes the performance and efficiency of the metamodeling procedure by reducing complexity and dimensionality due to insignificant parameters. In this respect, the proposed metamodeling procedure is also potentially applicable to high-dimensional simulation models. For illustrative purposes, the proposed procedure is applied to an agent-based segregation model. It is observed that adaptive sampling strategy can generate metamodels with higher predictive performance compared to input-oriented and random sampling strategies. Yet, the metamodel accuracy is considerably influenced by the mtry parameter of Random Forest metamodel and the presence of the insignificant simulation model parameters. However, experimental results show that the proposed procedure successfully alleviates the drawbacks of insignificant simulation parameters on the metamodel and sampling by eliminating them, and reduces the dependency of the metamodel performance to the mtry parameter. As a result, the proposed metamodeling procedure stands out as a robust and efficient way to produce a metamodel that successfully approximates the dynamics embedded in the simulation model. The proposed procedure can be applied by researchers to reduce the time required for comprehensive model analyses, to gain awareness about the model behaviors, and to detect the model parameters conditioning the model behavior.
Benzer Tezler
- Analysing the efficacy of feature elimination and adaptive sampling in meta-model based exploration of agent-based simulation models
Etmen-tabanlı benzetim modellerinin meta-modelleme yoluyla incelenmesinde değişkenseçimi ve uyarlanabilir örnekleme yöntemlerinin fayda analizi
ECEMNAZ YILDIZ
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖNENÇ YÜCEL
- Sabit kanatlı İHA için uyarlamalı daldırma ve değişmezlik yöntemiyle sabit bozucuların kestirici tasarımı
Disturbance estimator design with adaptive immersion and invariance method for fixed wing UAV
BESTE SEZEN YILDIZ
Yüksek Lisans
Türkçe
2022
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAPRAK YALÇIN
- LİDAR verileri ile SAM üretiminde farklı arazi türlerine göre performans araştırması
Performance research according to the different terrain types in SAM production with LİDAR data
NURAY BAŞ
Doktora
Türkçe
2016
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİLAL GONCA COŞKUN
- Mobil robot navigasyon sistemi geliştirilmesi
Mobile robot navigation systems
AYKUT ÖZDEMİR
Yüksek Lisans
Türkçe
2016
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. VOLKAN SEZER
- Termoakustik görüntüleme için silindirik doku modelinde çoklu kaynak ile elektromanyetik odaklama kontrolü
Multi-source electromagnetic focusing control for thermoacoustic imaging in cylindrical tissue model
BETÜL SAMANCI
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA KARAMAN